Top > Search of International Patents > MACHINE LEARNING DEVICE, DETERMINATION DEVICE, MACHINE LEARNING METHOD, DETERMINATION METHOD, LEARNING PROGRAM, DETERMINATION PROGRAM, AND RECORDING MEDIUM

MACHINE LEARNING DEVICE, DETERMINATION DEVICE, MACHINE LEARNING METHOD, DETERMINATION METHOD, LEARNING PROGRAM, DETERMINATION PROGRAM, AND RECORDING MEDIUM

Foreign code F190009857
File No. (S2017-1098-N0)
Posted date Jul 26, 2019
Country WIPO
International application number 2018JP037241
International publication number WO 2019073900
Date of international filing Oct 4, 2018
Date of international publication Apr 18, 2019
Priority data
  • P2017-197125 (Oct 10, 2017) JP
Title MACHINE LEARNING DEVICE, DETERMINATION DEVICE, MACHINE LEARNING METHOD, DETERMINATION METHOD, LEARNING PROGRAM, DETERMINATION PROGRAM, AND RECORDING MEDIUM
Abstract A disease is determined with high accuracy and ease on the basis of a biological sound caused by a biological activity. This machine learning device (3) which learns a determination algorithm D2 for determining a disease on the basis of a biological sound caused by a biological activity is provided with: a sound information acquisition unit (33) for acquiring sound information about the biological sound of a plurality of subjects; a diagnostic information acquisition unit (34) which acquires diagnostic information related to a disease of the plurality of subjects; and a learning unit (35) which learns the determination algorithm D2 on the basis of the sound information and the diagnostic information of each of the subjects.
Outline of related art and contending technology BACKGROUND ART
Of the peripheral nervous system and muscles electromyographic needle inspection of the test is important for diagnosis of disease. Furthermore, the needle electromyogram tests may be enforced at the bedside, such as CT or MRI does not require expensive equipment in a large advantage. However, the potential of the generated muscle fibers and the end plate of the self-potential or the like similar to the determination of power discharge pattern, and rely on the subjective judgment of the skilled expert at large, a high threshold for non-specialist. Therefore, the needle of the clinical practice is the number of the use of electromyography in sluggish.
On the other hand, an image obtained by the inspection needle electromyogram by analyzing the quantitative information, a technique for performing the diagnosis of disease has been proposed. For example, to Patent Document 1, the determination of the existence of a failure associated with the auxiliary excitation-contraction method, a single nerve stimulation of the obtained electromyogram and records the sound-induced FIG., their distal latency measures the difference, the difference between the distal latency increased compared to the case where the control, it is determined that the failure excitation-contraction associated with the disclosed method.
Scope of claims (In Japanese)[請求項1]
 生体活動に起因する生体音に基づいて疾患の判定を行うための判定アルゴリズムを学習する機械学習装置であって、
 複数の被験体の前記生体音の音情報を取得する音情報取得部と、
 前記複数の被験体の疾患に関する診断情報を取得する診断情報取得部と、
 前記各被験体の前記音情報および前記診断情報に基づいて、前記判定アルゴリズムを学習する学習部と、
を備えた、機械学習装置。

[請求項2]
 前記学習部は、
 前記音情報から特徴量を抽出する特徴量抽出部と、
 前記各被験体の前記特徴量および前記診断情報に基づいて、前記学習を実行する学習実行部と、
を備えた、請求項1に記載の機械学習装置。

[請求項3]
 前記生体音は、筋肉の活動電位に起因する音である、請求項2に記載の機械学習装置。

[請求項4]
 前記特徴量は、メル周波数ケプストラム係数、基本周波数、ピーク周波数、ビート認識、振幅ゆらぎ、周波数ゆらぎ、ゼロ交差レート、信号エネルギー二乗平均平方根、歪度、および尖度からなる群から選択される、請求項3に記載の機械学習装置。

[請求項5]
 前記特徴量はメル周波数ケプストラム係数を含む、請求項4に記載の機械学習装置。

[請求項6]
 前記特徴量は信号エネルギー二乗平均平方根を含む、請求項4または5に記載の機械学習装置。

[請求項7]
 前記学習実行部はランダムフォレストを用いて前記学習を実行する、請求項2~6のいずれかに記載の機械学習装置。

[請求項8]
 前記学習実行部は一般化線形モデルを用いて前記学習を実行する、請求項2~6のいずれかに記載の機械学習装置。

[請求項9]
 生体活動に起因する生体音に基づいて疾患の判定を行う判定装置であって、
 対象者から取得された前記生体音から特徴量を抽出する特徴量抽出部と、
 前記特徴量抽出部が抽出した前記特徴量を、請求項1~8のいずれかに記載の機械学習装置が学習した判定アルゴリズムに入力することにより、前記対象者の疾患の判定を行う判定部と、
を備えた、判定装置。

[請求項10]
 生体活動に起因する生体音に基づいて疾患の判定を行うための判定アルゴリズムを学習する機械学習方法であって、
 複数の被験体の前記生体音の音情報を取得する音情報取得ステップと、
 前記複数の被験体の疾患に関する診断情報を取得する診断情報取得ステップと、
 前記各被験体の前記音情報および前記診断情報に基づいて、前記判定アルゴリズムを学習する学習ステップと、
を備えた、機械学習方法。

[請求項11]
 生体活動に起因する生体音に基づいて疾患の判定を行う判定方法であって、
 対象者から取得された前記生体音から特徴量を抽出する特徴量抽出ステップと、
 前記特徴量抽出ステップにおいて抽出された前記特徴量を、請求項10に記載の機械学習方法によって学習した判定アルゴリズムに入力することにより、前記対象者の疾患の判定を行う判定ステップを備えた、判定方法。

[請求項12]
 生体活動に起因する生体音に基づいて疾患の判定を行うための判定アルゴリズムを学習する機械学習装置としてコンピュータを機能させる学習用プログラムであって、
 複数の被験体の前記生体音の音情報を取得する音情報取得部、
 前記複数の被験体の疾患に関する診断情報を取得する診断情報取得部、および
 前記各被験体の前記音情報および前記診断情報に基づいて、前記判定アルゴリズムを学習する学習部、
としてコンピュータを機能させる学習用プログラム。

[請求項13]
 生体活動に起因する生体音に基づいて疾患の判定を行う判定装置としてコンピュータを機能させる判定用プログラムであって、
 対象者から取得された前記生体音から特徴量を抽出する特徴量抽出部、および、
 前記特徴量抽出部が抽出した前記特徴量を、請求項1~8のいずれかに記載の機械学習装置が学習した判定アルゴリズムに入力することにより、前記対象者の疾患の判定を行う判定部、
として前記コンピュータを機能させる判定用プログラム。

[請求項14]
 請求項12または13に記載のプログラムを記録した、コンピュータ読み取り可能な記録媒体。

  • Applicant
  • ※All designated countries except for US in the data before July 2012
  • TOKUSHIMA UNIVERSITY
  • Inventor
  • NODERA, Hiroyuki
IPC(International Patent Classification)
Specified countries National States: AE AG AL AM AO AT AU AZ BA BB BG BH BN BR BW BY BZ CA CH CL CN CO CR CU CZ DE DJ DK DM DO DZ EC EE EG ES FI GB GD GE GH GM GT HN HR HU ID IL IN IR IS JO JP KE KG KH KN KP KR KW KZ LA LC LK LR LS LU LY MA MD ME MG MK MN MW MX MY MZ NA NG NI NO NZ OM PA PE PG PH PL PT QA RO RS RU RW SA SC SD SE SG SK SL SM ST SV SY TH TJ TM TN TR TT TZ UA UG US UZ VC VN ZA ZM ZW
ARIPO: BW GH GM KE LR LS MW MZ NA RW SD SL SZ TZ UG ZM ZW
EAPO: AM AZ BY KG KZ RU TJ TM
EPO: AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR
OAPI: BF BJ CF CG CI CM GA GN GQ GW KM ML MR NE SN ST TD TG
Please contact us by E-mail or facsimile if you have any interests on this patent.

PAGE TOP

close
close
close
close
close
close